一种基于性能势的无折扣强化学习算法

作者：周如益; 高阳

来源：广西师范大学学报(自然科学版), 2006, (04): 58-61.

DOI：10.16088/j.issn.1001-6600.2006.04.015

• 强化学习
• 性能势
• 无折扣
• 值迭代 reinforcement learning
• performance potential
• undiscounted
• value iteration

传统基于性能势的学习算法能获得马尔可夫决策问题的最优策略。这些算法主要采用单路径采样的方法,使得学习算法效率不高。将性能势与强化学习相结合,提出了一种基于性能势的无折扣值迭代学习算法——G学习,并将其与经典的无折扣强化学习算法(R学习)相比较,获得了较好的实验结果。

• 单位
  南京大学; 计算机软件新技术国家重点实验室